基于拉普拉斯特征映射和深度置信网络的半监督故障识别 |
| |
引用本文: | 张鑫,郭顺生,李益兵,江丽.基于拉普拉斯特征映射和深度置信网络的半监督故障识别[J].机械工程学报,2020(1):69-81. |
| |
作者姓名: | 张鑫 郭顺生 李益兵 江丽 |
| |
作者单位: | 1. 武汉理工大学机电工程学院;2. 武汉理工大学湖北省数字制造重点实验室 |
| |
基金项目: | 湖北省自然科学基金(2019CFB565);;中央高校基本科研业务费专项资金(2018IVA022);;国家自然科学基金(51705386,51705385); |
| |
摘 要: | 针对机械设备故障诊断过程中有标签样本不足,结合流形学习与深度学习的思想,提出了基于拉普拉斯特征映射(Laplacian eigenmap, LE)和深度置信网络(Deep belief network, DBN)的半监督故障识别模型。该模型运用LE算法直接对原始高维振动信号进行特征提取,将低维流形特征输入DBN,利用少量昂贵的有标签样本和大量廉价的无标签样本,二次挖掘故障特征,并构建Soft-max分类器最终识别出机械设备的故障模式。将该半监督模型应用于轴承故障和齿轮裂纹的识别中,试验结果表明,LE算法有效降低了模型的时间复杂度,增强了特征提取的智能性,提高了诊断效率;DBN网络可以充分挖掘故障特性,得到更好的特征表示,提高了分类精度。此外,该模型在不平衡的训练标签下也实现了很好的诊断效果,且适用于多传感器特征融合的诊断,具备实际应用的价值。
|
关 键 词: | 拉普拉斯特征映射 深度置信网络 半监督 故障诊断 |
本文献已被 CNKI 等数据库收录! |
|